Analysis of Driving Forces for Land Cover Change and Urban Land Expansion in Dianchi Lake Basin Based on GEE
-
摘要: 以滇池流域为研究区,基于Google Earth Engine云平台,选取Landsat遥感影像,采用支持向量机分类方法,提取林地、草地、农地、水体、建设用地、其他未利用地共6类土地覆盖类型,以行政区划为单元来分析1988—2018年土地覆盖变化的特点;通过熵值法与灰色关联法来分析不同时间段内影响滇池流域建设用地扩张的驱动力。结果表明:1988—2018年,滇池流域内林地、建设用地、其他未利用地面积持续增长,而草地、农地、水体面积持续减少。1988—2018年,建设用地为最大的转入类型,林地、草地的转出面积较多。1998—2018年,滇池流域内土地覆盖变化最为剧烈的为官渡区、五华区与呈贡区,其余区县的土地覆盖变化过程较为缓和。1988—2018年,人均道路铺装面积、社会销售品销售总额与客运总量这3项因子与建设用地的关联度较高;1988—2008年间,经济驱动因素与人口驱动因素的贡献比重较高;2008—2018年,教育、卫生条件驱动因素与基础建设驱动因素的贡献比重较高。
-
关键词:
- 滇池流域 /
- 时间序列 /
- Google Earth Engine /
- 土地覆盖变化 /
- 驱动力
Abstract: This study takes Dianchi Lake Basin as the study area. Landsat remote sensing images are selected based on Google Earth Engine cloud platform. Support vector machine classification method is used to extract forest, grass, farmland, water, construction land, other unused land. Administrative divisions were used as a unit to analyse the characteristics of land cover changes in 1988–2018. The entropy method and grey correlation method are used to analyze the driving forces affecting the expansion of construction land in Dianchi Lake Basin in different time periods. The results showed that the area of forest land, construction land and other unused land in Dianchi Lake Basin increased from 1988 to 2018, while the area of grassland, farmland and water body decreased. From 1988 to 2018, construction land was the largest transfer type, and the lose area of forest and grassland was large. From 1998 to 2018, the most drastic changes in land cover in Dianchi Lake basin were Guandu District, Wuhua District and Chenggong District, while the process of land cover change in other districts was relatively slow. From 1988 to 2018, the 3 factors of per capita road paving area, total sales of social products, and total passenger traffic were highly correlated with construction land; from 1988 to 2008, the proportion of economic driving factors and population driving factors high; from 2008 to 2018, the driving factors of education and health conditions and the driving factors of infrastructure construction contributed a relatively high proportion.-
Keywords:
- Dianchi Lake Basin /
- time series /
- Google Earth Engine /
- land cover change /
- driving force
-
土地利用/覆盖变化(LUCC)越来越被认为是全球环境变化与可持续发展研究的重要内容[1]。土地利用/覆盖变化对区域生态环境产生重要影响,并以累积的方式影响全球环境变化[2]。Landsat卫星系列图像则是研究土地覆盖类型和变化的重要数据源[3]。传统的使用遥感分析软件进行土地覆盖分类的工程量过于巨大,使用Google Earth Engine(GEE)云平台是一个更好的选择。近年来,GEE平台被广泛使用于基于时间序列数据的土地利用/覆盖变化研究中,而长时间序列的区域研究对于研究该区域的发展特征、发展模式具有非常重要的意义[4]。纵观已有的基于GEE平台的进行土地覆盖分类的研究,研究对象主要集中在大型城市群、经济发达地区[5-7],对于西南地区的研究较少。而基于长时间序列遥感影像数据对于滇池流域进行土地覆盖分析则未见报道。有关滇池流域的研究多集中于水环境、景观生态、流域治理等方面[8-10],对于滇池流域制作长时间序列的土地覆盖数据是必要的。
建设用地的扩展能直观体现一个区域的城市化水平[11],研究城镇用地扩展的驱动机制不仅有助于深入理解城市扩展的规律及方向,而且对于推动区域协调发展具有重要意义[12]。驱动机制着重分析区域土地利用变化过程的主要自然和社会经济驱动因素及其驱动机理[13]。在自然系统中,气候、土壤、水文等被认为是主要的驱动力;在社会系统中,驱动力通常有人口变化、贫富状况、技术进步、经济增长、政治经济结构等[14]。目前针对建设用地变化驱动力的研究多以定性分析为主,定量分析较少。在方法上多采用相关性分析[15]、主成分分析[16]、Logistic回归分析[17]等方法。在驱动力研究尺度上多以整个研究区为对象进行驱动力分析,但研究区内部各行政区的自然环境特点、区域发展方针不同,以行政区划为研究单元来分析土地覆盖变化特征更为科学。因此,本研究基于GEE云平台,以滇池流域为研究区,基于长时间序列的Landsat数据进行土地覆盖变化分析,以行政区划为单元来研究土地覆盖变化的特点,并结合多项驱动因子来研究流域内不同时段的建设用地扩张的驱动力。以期揭示滇池流域的发展特征,为后续学者研究滇池流域的发展提供科学数据支撑,为实现流域的可持续发展和自然资源的永续利用提供科学参考。
1. 材料与方法
1.1 研究区概况
滇池流域属总面积为2920 km2,包含了昆明市辖区范围,内有五华区、官渡区、盘龙区、西山区、呈贡区、晋宁县和嵩明县。滇池流域占云南省总国土面积的0.7%,聚集着云南省7.6%的人口,创造高达云南省24%的GDP[18]。随着昆明市的城市化进程加快,与解放初期相比,滇池水面面积已减少至少13 km2,林地面积减少至少200 km2[9]。
1.2 数据来源
采用的遥感影像为Landsat系列卫星影像,涵盖了从1988—2018年的全部滇池流域影像,共采用63景影像,所有Landsat数据处理均基于GEE云平台,通过代码编写进行处理分析,详细介绍请参考官方网站(https://developers.google.com/earth-engine/datasets/)。研究所采用的气象数据均来源于中国气象数据网(http://data.cma.cn),主要包含年平均气温、年平均降水、年平均降水、年日照时长、年极端气温、年极端降水、年均气压等数据。
研究所采用的社会经济数据均来源于云南省统计局所公布的《云南省统计年鉴》[19](1989—2019年),主要包括地区生产总值、户籍人口、城镇人口比重、工农业产值、各产业从业人数等。
1.3 基于GEE平台的监督分类
监督分类就是根据影像所展示的不同地物,绘制感兴趣区(ROI)作为训练样本,再通过选取分类器进行分类。本研究基于GEE平台,采用Python与JavaScript语言,使用支持向量机的监督分类方法[7]。参考中科院土地覆盖分类标准,将滇池流域内所有土地分成林地、草地、农地、水体、建设用地、其他未利用这6类。在得到多期土地覆盖的分类结果后,使用检验样本,采取基于混淆矩阵的精度评价方法对于分类结果进行精度评价。
分类的样本需要保证均匀分布于研究区各处,各样本类之间的样本分离度要控制在1.5以上。本次实验的时间尺度为1988—2018年共31年,每一年的训练样本每类选取30个,一共180个训练样本;检验样本每类也选取30个,一共180个检验样本。
1.4 土地覆盖变化测度分析
土地覆盖变化动态度[20]可以反映不同地类的综合动态变化情况。
$S = \left( {\mathop \sum \limits_{ij}^n \left( {\Delta {S_{i - j}}/{S_i}} \right)} \right) \cdot \frac{1}{T} \times 100{\text{%}} $
(1) This page contains the following errors:
error on line 1 at column 1: Start tag expected, '<' not foundBelow is a rendering of the page up to the first error.
使用庄大方等[21]提出的土地利用程度模型,基于不同生态系统类型的扰动程度对个生态系统类型进行赋值:其他未利用地为1,林地、草地、水体为2,耕地为3,建设用地为4,进而对所得数值进行加权求和,所得数值可综合反映某一地区的人类扰动程度。
$D = \mathop \sum \limits_{i = 1}^n \left( {{A_i} \cdot {C_i}} \right) \times 100$
(2) This page contains the following errors:
error on line 1 at column 1: Start tag expected, '<' not foundBelow is a rendering of the page up to the first error.
1.5 驱动因子选取
在多种要素共同构成形成驱动力体系的同时,各个驱动力因子之间存在着多种关联模式[22],因此要研究滇池流域建设用地的变化驱动力,应将多种要素关联纳入驱动体系。选取的指标如表1所示,所有数据均来源于《云南省统计年鉴》[19]。
表 1 驱动力指标体系Table 1. The driving force index system驱动力分类 驱动力指标 人口驱动因素 总人口数 非农业人口数 第二产业从业人数比 第三产业从业人数比 经济驱动因素 国内生产总值 社会销售品销售总额 居民人均可支配收入 工业生产总值 基础设施驱动因素 地方一般公共预算支出 人均道路铺装面积 客运总量 货运总量 教育、卫生驱动因素 高等学校数量 自然科学研究机构数 文化事业机构数 卫生医疗机构数 1.6 驱动力分析方法
本次研究选取社会经济数据来分析滇池流域土地覆盖变化的驱动力,使用熵值法以消除确定权重过程中的人为主观因素,得出各个因子的驱动力贡献权重,再通过灰色关联法[23]计算经熵值法筛选后的驱动因子与滇池流域建设用地变化之间的关联度。
${\xi _{0i}} = \dfrac{{{\rm{mi}}{{\rm{n}}_i}{\rm{mi}}{{\rm{n}}_k}\left| {{x_0}\left( k \right) - {x_i}} {\left( k \right)} \right| + \rho {\rm{ma}}{{\rm{x}}_i}{\rm{ma}}{{\rm{x}}_k}\left| {{x_0}\left( k \right) - {x_i}} {\left( k \right)} \right|}}{{\left| {{x_0}\left( k \right) - {x_i}} {\left( k \right)} \right| + \rho {\rm{ma}}{{\rm{x}}_i}{\rm{ma}}{{\rm{x}}_k}\left| {{x_0}\left( k \right) - {x_i}} {\left( k \right)} \right|}}$
(3) ${r_i} = \frac{1}{N}\sum\limits_{k = 1}^N {{\xi _{0i}}} $
(4) This page contains the following errors:
error on line 1 at column 1: Start tag expected, '<' not foundBelow is a rendering of the page up to the first error.
2. 结果与分析
2.1 滇池流域土地覆盖变化
2.1.1 分类结果精度评价
使用基于混淆矩阵的方法进行精度评价,得到各年份分类结果的总体精度与Kappa系数,各年份的分类精度评价结果见表2。1992年、2003年与2011年由于影像质量较差,故分类精度稍低,但多年来的分类结果均保持了良好的精度。
表 2 精度评价表Table 2. Accuracy evaluation年份 总体精度/% Kappa系数 年份 总体精度/% Kappa系数 1988 87.87 0.8386 2004 86.12 0.8202 1989 85.57 0.8121 2005 87.28 0.8314 1990 86.42 0.8196 2006 86.79 0.8273 1991 88.29 0.8375 2007 86.26 0.8209 1992 84.13 0.8054 2008 87.05 0.8313 1993 87.02 0.8292 2009 86.43 0.8233 1994 86.84 0.8255 2010 85.92 0.8186 1995 85.93 0.8178 2011 81.55 0.8041 1996 86.01 0.8206 2012 86.47 0.8237 1997 87.44 0.8329 2013 87.08 0.8285 1998 83.62 0.8021 2014 85.65 0.8146 1999 87.11 0.8298 2015 86.03 0.8197 2000 86.54 0.8201 2016 87.17 0.8314 2001 88.16 0.8445 2017 87.33 0.8335 2002 82.03 0.8092 2018 86.08 0.8273 2003 84.95 0.8019 2.1.2 土地覆盖变化特征分析
滇池流域四面环山,林地主要分布于山地区域,环绕流域四周,是滇池流域内面积占比最大的土地覆盖类型;草地主要集中于流域的东部、北部,杂乱分布于林地之间,为滇池流域占比第二多的土地覆盖类型;滇池坐落于流域中部,除滇池外仍有较多小微水体与大型水库分布于流域内;建设用地主要分布在昆明主城区、呈贡区、南部的晋宁县和北部的嵩明县,其面积增长较为迅速;农地多数环滇池而分布,多年来面积不断减少,现存农地主要集中在呈贡区、晋宁县;流域内的其他未利用地主要表现为裸地,多分布于建设用地周边。
1988—2018年的滇池流域土地覆盖类型总体构成如图1所示,长期以来面积持续减少的为草地、农地、水体这3类;而持续增长的为林地、建设用地、其他未利用地这3类。
统计滇池流域各个时期的土地覆盖数据,基于土地覆盖变化动态度、土地覆盖年变化率得出1988—2018年内滇池流域各用地类型的变化情况,见表3~4。
表 3 各用地类型面积变化Table 3. Changes of each land typekm2 用地类型 变化面积 合计 1988—1998年 1998—2008年 2008—2018年 林地 −243.98 −255.99 127.67 −372.29 草地 91.74 138.99 −11.83 218.91 农地 128.47 −46.69 −337.34 −255.55 水体 21.37 −14.69 −4.86 1.82 其他未利用地 −102.33 −8.90 45.48 −65.75 建设用地 104.72 187.27 180.88 472.86 表 4 各用地类型动态变化Table 4. Dynamic changes of various land types% 用地类型 年变化率 动态度 1988—1998年 1998—2008年 2008—2018年 1988—1998年 1998—2008年 2008—2018年 林地 −24.40 −25.60 12.77 −1.61 −2.02 1.26 草地 9.17 13.90 −1.18 3.63 4.03 −0.24 农地 12.85 −4.67 −33.73 3.91 −1.02 −8.21 水体 2.14 −1.47 −0.49 0.67 −0.43 −0.15 其他未利用地 −10.23 −0.89 4.55 −2.90 −0.36 1.88 建设用地 10.47 18.73 18.09 6.68 7.16 4.03 2.1.3 土地覆盖变化流向分析
多年来,滇池流域的6种土地覆盖类型的类型变化过程较为剧烈。基于1988年、1998年、2008年、2018年的土地覆盖分类结果制作转移矩阵弦图,见图2。1988—1998年,林地变化程度较大,由林地转化为其他未利用地转的面积较大,同时草地、农地、其他未利用地也有较多面积转为林地;1998—2008年,由林地、草地、水体、其他未利用地转为建设用地的面积较多;2008—2018年,由林地、草地、水体转化为建设用地的面积较多;纵观1988—2018年的土地覆盖流转,建设用地为最大的转入类型,林地、草地的转出面积较多。
2.1.4 土地覆盖变化区划分析
根据1988年、1998年、2008年、2018年的土地覆盖结果,按照流域内的行政区划进行分区统计,如图3所示。由于水体与其他未利用地的面积变化幅度较小,所以未对这2种地类进行区划分析。
由图3可知,各区县的草地面积均在1988年为最多,逐年减少,尤其是晋宁与嵩明在1988—2008年间,草地面积减少了一半以上,而五华区、西山区、盘龙区的草地面积减少幅度较小。
盘龙区、五华区的林地面积多年来的增长幅度较小,其余区县的林地面积均持续增加,1988—2008年是林地增长面积最快的阶段,晋宁县域嵩明县的林地面积在这一时段内得以翻番。农地整体趋势呈现先增后减,五华区与盘龙区的农地面积多年来始终维持在较低水平,其余区县在1998—2008年间的农地面积达到最大,而后剧烈减少。建设用地为持续增长较为显著的地类,五华区、官渡区、西山区、盘龙区作为昆明市的老城区,多年来的建设用地平稳增长,而呈贡区、晋宁县、嵩明县近年来城区扩张速度持续增快。
根据土地利用程度模型[21],对不同的土地覆盖类型进行对应的赋值:其他未利用地为1,林地、草地、水体为2,耕地为3,建设用地为4,进而对滇池流域内的7个行政区分别计算土地利用程度综合指数,结果见表5。
1988—1998年属于主城的五华区、西山区、官渡区、盘龙区这四区由于建设用地面积较多,具有较高的土地利用程度综合指数,而晋宁县由于农地较多,此项指数也偏大;1998—2008年,呈贡区与晋宁县由于建设用地的增加,导致土地利用程度综合指数增长较快;2008—2018年,仅五华区、官渡区与呈贡区的土地利用程度综合指数增加明显,其余各区县未见显著变化。1988—2018年内,官渡区、五华区与呈贡区的土地覆盖变化较为剧烈,而嵩明、晋宁的变化稍微缓和。
1988—1998年各区县土地覆盖变化进程较为平缓,而1998—2008年,各区县均发生较大的变化,是滇池流域发展最为迅猛的一个阶段,2008—2018年的土地覆盖变化进程稍有减缓。
表 5 各行政区土地利用程度综合指数表Table 5. Comprehensive index of land utilization degree in each region年份 西山区 五华区 官渡区 盘龙区 呈贡区 晋宁县 嵩明县 1988 236.59 260.95 220.73 211.37 199.91 208.17 190.73 1998 239.67 273.57 230.54 210.25 207.42 214.65 192.28 2008 243.92 288.91 250.75 231.07 226.05 222.79 218.47 2018 245.77 315.92 282.44 233.84 239.06 228.12 194.14 2.2 滇池流域建设用地变化驱动力分析
滇池流域的城市规模较为庞大,近年来人口不断增长、经济水平逐年提升,定量研究其城市化进程的驱动因素具有重要意义。所以本研究选取滇池流域的建设用地为研究对象,进行驱动分析。
2.2.1 基于熵值法的驱动因子筛选
本研究基于长时间序列的土地覆盖数据和对应年份的驱动因子,采用熵值法筛选出1988—2018年对土地覆盖变化具有较强关联性的因子,筛选结果见表6,前5项指标的权重系数显著高于其他指标,后4项指标的权重系数则过低。信息熵值越大代表此项数据效用不足,去掉权重系数小于5%的指标,将剩余11项指标代入灰色关联法模型进行关联度计算。
表 6 熵值法计算权重结果Table 6. The weight results calculated by entropy method评价项 信息熵值 信息效用值 权重系数/% 社会销售品销售总额 0.8315 0.1685 12.13 国内生产总值 0.8616 0.1384 9.96 高等学校数量 0.8706 0.1294 9.31 人均道路铺装面积 0.8712 0.1288 9.27 客运总量 0.8737 0.1263 9.09 自然科学研究机构数 0.9062 0.0938 6.75 第三产业从业人数比 0.9129 0.0871 6.27 卫生医疗机构数 0.9141 0.0859 6.18 非农业人口数 0.9228 0.0772 5.56 总人口数 0.9276 0.0724 5.21 工业生产总值 0.9283 0.0717 5.17 第二产业从业人数比 0.9352 0.0648 4.67 货运总量 0.9519 0.0481 3.46 居民人均可支配收入 0.9590 0.0410 2.95 地方一般公共预算支出 0.9634 0.0366 2.63 文化事业机构数 0.9808 0.0192 1.39 2.2.2 基于灰色关联法的驱动因子分类
筛选后的11项指标即为1988—2018年与滇池流域的土地覆盖变化具有较强关联性的驱动因子。将滇池流域划分为3个时间段:1988—1998年、1998—2008年、2008—2018年,将对应年份的土地覆盖数据及筛选后的驱动因子代入模型计算灰色关联度,结果见表7。
将关联度指标按数值大小区分为3个关联等级:0~0.5为低关联,0.5~0.8为中关联,0.8~1.0为高关联。按关联等级对灰色关联度的结果进行区分,1988—1998年对滇池流域建设用地的增长起高关联的因子为:人均道路铺装面积和社会销售品销售总额;1998—2008年对滇池流域建设用地的增长起高关联的因子为:第三产业从业人数比、人均道路铺装面积和社会销售品销售总额;2008—2018年对滇池流域建设用地的增长起高关联的因子为:人均道路铺装面积、高等学校数量和客运总量。1988—2018年,人均道路铺装面积因子持续表现为高关联,社会销售品销售总额因子与客运总量因子有2个阶段表现为高关联,而卫生医疗机构数、总人口数、自然科学研究机构数、国内生产总值这4项因子的多年来的关联度较低。
按表1的驱动因子分类来计算各年度驱动因子的关联度总值,1988—1998年的驱动力排序应为:经济驱动(2.082)>人口驱动(1.748)>基础建设驱动(1.668)>教育、卫生条件驱动(1.119);1998—2008年内的驱动力排序应为:人口驱动(2.347)>经济驱动(1.944)>基础建设驱动(1.729)>教育、卫生条件驱动(1.641);2008—2018年内的驱动力排序应为:教育、卫生条件驱动(2.034)>基础建设驱动(1.789)>经济驱动(1.514)>人口驱动(1.452)。1988—2008年,经济驱动因素与人口驱动因素的贡献比重较高,而2008—2018年,教育、卫生条件驱动因素与基础建设驱动因素的贡献比重较高。
表 7 灰色关联度结果Table 7. Result of grey association评价项 1988—1998年 1998—2008年 2008—2018年 关联度 排名 关联度 排名 关联度 排名 人均道路铺装面积 0.921 1 0.907 2 0.915 1 社会销售品销售总额 0.823 2 0.853 3 0.688 5 客运总量 0.747 4 0.822 4 0.874 3 工业生产总值 0.658 5 0.638 8 0.523 8 第三产业从业人数比 0.613 6 0.932 1 0.643 6 国内生产总值 0.601 7 0.453 10 0.303 10 高等学校数量 0.513 8 0.582 9 0.893 2 卫生医疗机构数 0.488 9 0.774 5 0.379 9 总人口数 0.343 10 0.689 7 0.238 11 自然科学研究机构数 0.198 11 0.285 11 0.762 4 3. 结论与讨论
本次研究基于GEE云平台,采用1988—2018年的Landsat遥感影像对滇池流域进行了土地覆盖分类,结合动态度、年变化率、土地利用程度综合指数等指标,按行政区划的不同来分析滇池流域多年来的土地覆盖变化特征,并且结合多项驱动因子,采用熵值法与灰色关联法来分析不同时期内的建设用地变化驱动力。结果表明:
1)1988—2018年,面积持续减少的为草地、农地、水体这3类;而持续增长的为林地、建设用地、其他未利用地这3类;滇池流域的主要土地覆盖类型为林地、草地与水体,三者面积总占比长期超过60%;1988—2018年,林地面积增长最多,建设用地次之,面积减少最多的地类为草地。
2)1988—2018年,滇池流域的土地覆盖变化过程较为剧烈,建设用地为最大的转入类型,林地、草地的转出面积较多;流域内土地覆盖的主要流转方式为草地转为林地、建设用地,农地转化为建设用地、其他未利用地,其他未利用地转化为草地、林地。
3)滇池流域在1988—1998年的各区县土地覆盖变化进程较为平缓,而1998—2008年,各区县均发生较大的变化,是滇池流域发展最为迅猛的阶段,2008—2018年内的土地覆盖变化进程稍有减缓;1988—2018年,官渡区、五华区与呈贡区的土地覆盖变化进程较为剧烈,而嵩明、晋宁的变化进程相对缓和;晋宁、嵩明2个县的林地、草地总占比较大,呈贡与晋宁的农地总占比较大。
4)各因子在不同时期内对于滇池流域建设用地变化的驱动作用也不同;1988—2018年,人均道路铺装面积因子持续表现为高关联,社会销售品销售总额因子与客运总量因子有两个阶段表现为高关联;而卫生医疗机构数、总人口数、国内生产总值、自然科学研究机构数这4项因子有2个阶段表现为低关联;1988—1998年、1998—2008年,经济驱动因素与人口驱动因素为主要的驱动因素,基础建设驱动因素与教育、卫生条件驱动因素贡献虽然较低,但是稳步增长;2008—2018年,教育、卫生条件驱动因素与基础建设驱动因素的贡献比较高,而人口驱动因素与经济驱动因素的贡献比重下降较多。
滇池作为全国第六大淡水湖、最大高原淡水湖泊,其流域内的土地覆盖变化进程较为独特。在以往的滇池流域土地利用/覆盖变化研究中,部分学者从景观格局[8]、地形梯度[24]等角度进行深入探讨,但未能考虑到滇池流域内的各行政区具有较大差异。本次研究基于GEE平台,获取了较高精度的长时间序列的土地覆盖结果,可为滇池流域的景观格局优化、生态安全建设、生态系统保护等相关研究提供基础数据,并揭示流域内各行政区不同的发展规律,为地方发展提供有效的科学依据。
在建设用地变化驱动力的研究上,各行政区均有部分地区处于滇池流域之外,这导致数据具有不一致性,所以本研究的驱动因子体系未能按行政区的不同来构建,这是本研究的不足之处。但本研究仍然按照不同时间段,对不同时期内滇池流域的建设用地进行了驱动力分析。在今后的研究中,将结合多模型,全面、系统、深入地研究如何构建更科学的区域土地覆盖变化驱动体系,以期提高研究的科学性。
-
表 1 驱动力指标体系
Table 1 The driving force index system
驱动力分类 驱动力指标 人口驱动因素 总人口数 非农业人口数 第二产业从业人数比 第三产业从业人数比 经济驱动因素 国内生产总值 社会销售品销售总额 居民人均可支配收入 工业生产总值 基础设施驱动因素 地方一般公共预算支出 人均道路铺装面积 客运总量 货运总量 教育、卫生驱动因素 高等学校数量 自然科学研究机构数 文化事业机构数 卫生医疗机构数 表 2 精度评价表
Table 2 Accuracy evaluation
年份 总体精度/% Kappa系数 年份 总体精度/% Kappa系数 1988 87.87 0.8386 2004 86.12 0.8202 1989 85.57 0.8121 2005 87.28 0.8314 1990 86.42 0.8196 2006 86.79 0.8273 1991 88.29 0.8375 2007 86.26 0.8209 1992 84.13 0.8054 2008 87.05 0.8313 1993 87.02 0.8292 2009 86.43 0.8233 1994 86.84 0.8255 2010 85.92 0.8186 1995 85.93 0.8178 2011 81.55 0.8041 1996 86.01 0.8206 2012 86.47 0.8237 1997 87.44 0.8329 2013 87.08 0.8285 1998 83.62 0.8021 2014 85.65 0.8146 1999 87.11 0.8298 2015 86.03 0.8197 2000 86.54 0.8201 2016 87.17 0.8314 2001 88.16 0.8445 2017 87.33 0.8335 2002 82.03 0.8092 2018 86.08 0.8273 2003 84.95 0.8019 表 3 各用地类型面积变化
Table 3 Changes of each land type
km2 用地类型 变化面积 合计 1988—1998年 1998—2008年 2008—2018年 林地 −243.98 −255.99 127.67 −372.29 草地 91.74 138.99 −11.83 218.91 农地 128.47 −46.69 −337.34 −255.55 水体 21.37 −14.69 −4.86 1.82 其他未利用地 −102.33 −8.90 45.48 −65.75 建设用地 104.72 187.27 180.88 472.86 表 4 各用地类型动态变化
Table 4 Dynamic changes of various land types
% 用地类型 年变化率 动态度 1988—1998年 1998—2008年 2008—2018年 1988—1998年 1998—2008年 2008—2018年 林地 −24.40 −25.60 12.77 −1.61 −2.02 1.26 草地 9.17 13.90 −1.18 3.63 4.03 −0.24 农地 12.85 −4.67 −33.73 3.91 −1.02 −8.21 水体 2.14 −1.47 −0.49 0.67 −0.43 −0.15 其他未利用地 −10.23 −0.89 4.55 −2.90 −0.36 1.88 建设用地 10.47 18.73 18.09 6.68 7.16 4.03 表 5 各行政区土地利用程度综合指数表
Table 5 Comprehensive index of land utilization degree in each region
年份 西山区 五华区 官渡区 盘龙区 呈贡区 晋宁县 嵩明县 1988 236.59 260.95 220.73 211.37 199.91 208.17 190.73 1998 239.67 273.57 230.54 210.25 207.42 214.65 192.28 2008 243.92 288.91 250.75 231.07 226.05 222.79 218.47 2018 245.77 315.92 282.44 233.84 239.06 228.12 194.14 表 6 熵值法计算权重结果
Table 6 The weight results calculated by entropy method
评价项 信息熵值 信息效用值 权重系数/% 社会销售品销售总额 0.8315 0.1685 12.13 国内生产总值 0.8616 0.1384 9.96 高等学校数量 0.8706 0.1294 9.31 人均道路铺装面积 0.8712 0.1288 9.27 客运总量 0.8737 0.1263 9.09 自然科学研究机构数 0.9062 0.0938 6.75 第三产业从业人数比 0.9129 0.0871 6.27 卫生医疗机构数 0.9141 0.0859 6.18 非农业人口数 0.9228 0.0772 5.56 总人口数 0.9276 0.0724 5.21 工业生产总值 0.9283 0.0717 5.17 第二产业从业人数比 0.9352 0.0648 4.67 货运总量 0.9519 0.0481 3.46 居民人均可支配收入 0.9590 0.0410 2.95 地方一般公共预算支出 0.9634 0.0366 2.63 文化事业机构数 0.9808 0.0192 1.39 表 7 灰色关联度结果
Table 7 Result of grey association
评价项 1988—1998年 1998—2008年 2008—2018年 关联度 排名 关联度 排名 关联度 排名 人均道路铺装面积 0.921 1 0.907 2 0.915 1 社会销售品销售总额 0.823 2 0.853 3 0.688 5 客运总量 0.747 4 0.822 4 0.874 3 工业生产总值 0.658 5 0.638 8 0.523 8 第三产业从业人数比 0.613 6 0.932 1 0.643 6 国内生产总值 0.601 7 0.453 10 0.303 10 高等学校数量 0.513 8 0.582 9 0.893 2 卫生医疗机构数 0.488 9 0.774 5 0.379 9 总人口数 0.343 10 0.689 7 0.238 11 自然科学研究机构数 0.198 11 0.285 11 0.762 4 -
刘纪远, 张增祥, 徐新良, 等. 21世纪初中国土地利用变化的空间格局与驱动力分析 [J]. 地理学报, 2009, 64(12): 1411−1420. DOI: 10.3321/j.issn:0375-5444.2009.12.001 GLP. Science Plan and Implementation Strategy[R]. Stockholm, Sweden: IGBP Secretariat, 2005.
赵忠明, 高连如, 陈东, 等. 卫星遥感及图像处理平台发展 [J]. 中国图象图形学报, 2019, 24(12): 2098−2110. DOI: 10.11834/jig.190450 吕浩博. 基于深度学习的长时间序列城市制图与变化检测研究[D]. 北京: 清华大学, 2018. Wang R R, Yang Y F. Driving forces of land use/cover change and urban construction land conversion: a case study of Tianjin [J]. IOP Conference Series: Earth and Environmental Science, 2019, 237: 032040. DOI: 10.1088/1755-1315/237/3/032040
Shah A, Ali K, Nizami S M. Spatio-temporal analysis of urban sprawl in Islamabad, Pakistan during 1979−2019, using remote sensing [J]. GeoJournal, 2021: 1−14.
胡云锋, 商令杰, 张千力, 等. 基于GEE平台的1990年以来北京市土地变化格局及驱动机制分析 [J]. 遥感技术与应用, 2018, 33(4): 573−583. 武泽民, 余哲修, 李瑶, 等. 滇池流域土地利用演变及景观生态安全评价研究 [J]. 西南林业大学学报(自然科学), 2021, 41(3): 122−129. 白龙飞. 当代滇池流域生态环境变迁与昆明城市发展研究(1949—2009)[D]. 昆明: 云南大学, 2012. 段仲昭, 王明净, 高伟, 等. 1951—2017年滇池流域极端降水变化及湖体水质响应 [J]. 环境科学学报, 2020, 40(2): 615−622. 刘涛, 曹广忠. 城市用地扩张及驱动力研究进展 [J]. 地理科学进展, 2010, 29(8): 927−934. DOI: 10.11820/dlkxjz.2010.08.005 赵建鹏, 赵俊三, 袁磊. 滇中城市群城镇用地扩展驱动因素综合影响分析 [J]. 昆明理工大学学报(自然科学版), 2019, 44(5): 33−38. 魏琪力, 王诗源, 李春容, 等. 重庆市辖区县绿色基础设施景观破碎化及驱动力分析 [J]. 西部林业科学, 2021, 50(3): 109−117. 王秀红, 何书金, 罗明. 土地利用结构综合数值表征: 以中国西部地区为例 [J]. 地理科学进展, 2002, 21(1): 17−24, 95. DOI: 10.3969/j.issn.1007-6301.2002.01.003 杨阳, 唐晓岚, 李哲惠, 等. 长江流域土地利用景观格局时空演变及驱动因子: 以2008—2018年为例 [J]. 西北林学院学报, 2021, 36(2): 220−230. DOI: 10.3969/j.issn.1001-7461.2021.02.33 郭德弘, 王世杰. 兰州新区土地扩张及驱动力分析 [J]. 测绘科学, 2018, 43(4): 43−48. 李春林, 刘淼, 胡远满, 等. 基于增强回归树和Logistic回归的城市扩展驱动力分析 [J]. 生态学报, 2014, 34(3): 727−737. 李中杰, 郑一新, 张大为, 等. 滇池流域近20年社会经济发展对水环境的影响 [J]. 湖泊科学, 2012, 24(6): 875−882. DOI: 10.3969/j.issn.1003-5427.2012.06.010 云南省统计局. 云南统计年鉴2019[Z]. 北京: 中国统计出版社有限公司, 2019. 刘纪远, 刘明亮, 庄大方, 等. 中国近期土地利用变化的空间格局分析 [J]. 中国科学(D辑: 地球科学), 2002, 32(12): 1031−1040, 1058−1060. 庄大方, 刘纪远. 中国土地利用程度的区域分异模型研究 [J]. 自然资源学报, 1997, 12(2): 10−16. 肖尚. 夹江县城镇用地扩张及其驱动力分析[D]. 成都: 成都理工大学, 2019. 郭秀云. 灰色关联法在区域竞争力评价中的应用 [J]. 统计与决策, 2004(11): 55−56. DOI: 10.3969/j.issn.1002-6487.2004.11.028 王启名, 杨昆, 许泉立, 等. 滇池流域土地利用变化图谱的地形梯度效应 [J]. 水土保持研究, 2018, 25(3): 237−244.